id,collection,dc.contributor.author,dc.contributor.contact,dc.contributor.firstReferee,dc.contributor.furtherReferee,dc.contributor.gender,dc.date.accepted,dc.date.accessioned,dc.date.available,dc.date.issued,dc.description.abstract[de],dc.format.extent,dc.identifier.uri,dc.identifier.urn,dc.language,dc.rights.uri,dc.subject,dc.subject.ddc,dc.title,dc.title.translated[de],dc.type,dcterms.accessRights.dnb,dcterms.accessRights.openaire,dcterms.format[de],refubium.affiliation[de],refubium.mycore.derivateId,refubium.mycore.fudocsId "8413726a-5dac-4ac4-8c07-14425b601764","fub188/14","Plank, Andreas","andreas.plank@web.de","Prof. Dr. Steffen Mischke","Prof. Dr. Ulrike Herzschuh","m","2010-05-27","2018-06-07T21:52:11Z","2010-06-28T07:41:14.095Z","2010","Larval chironomids (Diptera: Chironomidae) were investigated to provide climate reconstruction tools using transfer functions and based on 52&nsbp;lake samples from the Tibetan Plateau. Based on measured environmental variables an obvious electrical conductivity/salinity gradient from 0.015 to 130.0 mS · cm-1 was detected as the most influencing factor which can be used to reconstruct chironomid inferred salinities from lake sediment cores. Tested model types were: artificial neural networks (ANN), Bayesian, weighted averaging (WA), partial least squares (PLS), weighted averaging partial least squares (WAPLS), maximum likelihood (ML) and modern analogue technique (MAT). Performances of transfer models, tested by leave one out cross-validation, yield a maximum correlation value of r2LOOCV 0.762/0.764 with a root mean squared error of prediction (RMSEP) of 0.475/0.473 mS · cm- 1log 10 for ANN models with three or four hidden neurons and a learning rate of 0.01. For apparent models r2app. varies from 0.958 to 0.664 with a root mean squared error (RMSE) of 0.200 up to 0.610 mS · cm-1log 10. Summarising all calculated transfer models with their summed error values and whether they yield balanced infer ed values of electrical conductivity a ranking can be stated as follows: Bayesian ≈ ANNneu=3/4-0.1/0.01 (with three or four hidden neurons and learning rates of 0.1 or 0.01) ≈ WAPLS-3 (with 3 components) > PLS-5 (5 components) ≳ WAcla+inv (classical/inverse) ≳ WA… tol (with tolerance downweighting) > W/MAT (weighted or unweighted) > ML. Sampling depth as a second important influencing factor detected by Canonical Correspondence Analysis (CCA) yields only week and unreliable transfer models with r2LOOCV = 0.475 and a RMSEP of 7.2 m. Furthermore the following measured environmental variables showed a statistical significant relationship in CCA for the benthic chironomid community: electrical conductivity, sampling depth, mean air temperature of October, mean precipitation of December, pH value and finally water area respectively in descending order of significance. To enhance the part of determination the Chironomidae Identification Program CHIP was developed that provides scientists a convenient way to organise all literature, references, images and descriptions of scientific publications related to Chironomidae. It uses interactive, flexible local websites and the free programming language PHP with MySQL as database engine with the possibility of further open-source development. Developed for larvae primarily, the program can be used to work with pupae and adults as well. Including also a tool that provides data for normalised elliptical Fourier outline analysis of black/white scanned images this analysis was tested on related taxa to Psectrocladius in separating outlines of menta. Thereby it can give a great advantage for determination as decisions can be made more objectively and it should also be able to detect halves of menta.||Larvale Zuckmücken (Diptera: Chironomidae) von 52 Seen des Tibet Plateaus wurden untersucht, um mittels Transferfunktionen paläoklimatische Rekonstruktionen durch errechnete Transfermodelle zu ermöglichen. Basierend auf Umweltmeßdaten konnte ein eindeutiger Gradient elektrischer Leitfähigkeit/Salinität aufgezeigt werden (0,015 bis 130,0 mS · cm-1), der die wichtigste Einflußgröße in den untersuchten Daten darstellt. Er kann dazu genutzt werden elektrische Leitfähigkeiten/Salinitätswerte von Chironomiden aus Bohrkernproben von Seen des Tibet Plateaus zu rekonstruieren. Näher untersuchte Transferfunktionen waren: Artificial Neural Networks (ANN), Bayesische Transferfunktion, Weighted Averaging (WA), Partial Least Squares (PLS), Weighted Averaging Partial Least Squares (WAPLS), Maximum Likelihood (ML) und Modern Analogue Technique (MAT). Die Güte der berechneten Transfermodelle wurde durch Leave-One-Out-Kreuzvalidierung (LOOCV) getestet und ergab maximale Korrelationswerte für LOOCV Modelle von r2LOOCV = 0,762/0,764 mit einem Standardfehler (RMSEP) von 0,475/0,473 mS · cm-1log 10 für ANN Modelle mit drei oder vier Neuronen und einer Lernrate von 0,01. Die berechneten Transfermodelle hingegen variierten für r2app. von 0,958 bis 0,664 mit Standardfehlern (RMSE) von jeweils 0,200 bis 0,610 mS · cm-1log 10. Eine Zusammenfassung aller berechneten Transfermodelle, basierend auf summierten Fehlerwerten und basierend auf der Ausgeglichenheit berechneter Streuungswerte, ergibt die folgende Rangfolge: Bayesische Transferfunktion ≈ ANNneu=3/4-0.1/0.01 (mit drei oder vier Neuronen und einer Lernrate von 0,1 bzw. 0,01) ≈ WAPLS-3 (mit 3 Komponenten) > PLS-5 (5 Komponenten) ≳ WAcla+inv (klassisch/invers) ≳ WA… tol (mit tolerance downweighting) > W/MAT (mit Wichtung oder ohne) > ML. Die Probentiefe konnte als zweitwichtigste Einflußgröße mittels Kanonischer Korrespondenzanalyse (CCA) ausgemacht werden, ergab aber ungenaue Transfermodelle für Kreuzvalidierungstests mit r2LOOCV = 0,475 und einem Standardfehler von 7,2 m. Insgesamt konnten sechs Einflußgrößen als signifikant in der CCA ermittelt werden, die die bentischen Chironomidenzönosen beschreiben: elektrische Leitfähigkeit, Probentiefe, mittlere Lufttemperatur im Oktober, mittlerer Niederschlag im Dezember, pH Wert und schließlich Wasserfläche jeweils in abnehmender Signifikanz. Um den Teil der Bestimmungsarbeit zu verbessern, wurde das Chironomiden Identifikations Programm CHIP entwickelt, welches Wissenschaftlern in zweckmäßiger Art und Weise hilft Referenzen, Bilder und Beschreibungen von wissenschaftlichen Veröffentlichungen auf dem Gebiet der Chironomiden zu verwalten. Es nutzt dabei interaktive, dynamisch generierte, lokale Webseiten und die Programmiersprache PHP in Verbindung mit MySQL Datenbanken, was die Möglichkeit einer weiteren Open-Source Entwicklung eröffnet. Ursprünglich nur für Larven entwickelt, kann CHIP auch für Puppenstadien und adulte Chironomiden genutzt werden. Mit Hilfe eines implementierten Werkzeugs zur Bild-Umrißanalyse kann eine normalisierte elliptische Fourier Analyse von gescannten schwarz/weiß Bildern durchgeführt werden. Diese Analyse wurde für Taxa der Gattung Psectrocladius getestet, um verschiedene Umrisse von Mentumstrukturen aufzutrennen. Dadurch wird die Bestimmungsarbeit begünstigt, da einerseits Entscheidungen in der Bestimmung objektiver werden und ebenso die Möglichkeit besteht gebrochene Strukturen, wie Mentumhälften auftrennen zu können.","VIII, 159 S.","https://refubium.fu-berlin.de/handle/fub188/8531||http://dx.doi.org/10.17169/refubium-12730","urn:nbn:de:kobv:188-fudissthesis000000017941-3","eng","http://www.fu-berlin.de/sites/refubium/rechtliches/Nutzungsbedingungen","ordination||transfer functions||Chironomidae||inference models||Tibetan area||more efficient determination||ecology||CHIP","500 Naturwissenschaften und Mathematik::560 Fossilien, Paläontologie||500 Naturwissenschaften und Mathematik::510 Mathematik::518 Numerische Analysis||500 Naturwissenschaften und Mathematik::570 Biowissenschaften; Biologie::577 Ökologie","Chironomid-based inference models for Tibetan lakes aided by a newly developed chironomid identification key","Chironomiden-basierte Transfermodelle von Tibetischen Seen mit Bestimmung der Chironomiden durch ein neu entwickeltes Bestimmungsprogramm","Dissertation","free","open access","Text","Geowissenschaften","FUDISS_derivate_000000007813","FUDISS_thesis_000000017941"